Ospitiamo un interessante articolo di AXA INVESTIMENT MANAGER. Dedicato ai nostri figli, a noi ed in generale a tutti coloro che guardano con curiosità al futuro
In un mondo digitale ormai dominato da montagne di informazioni, diventa cruciale la figura del professionista in grado di estrarre senso, valore e strategie aziendali dai dati grezzi. Ecco otto domande e risposte sul lavoro del futuro: quello legato all’analisi dei big data.
Tempo di lettura: 6 minuti
Nel 2012 la Harvard Business Review, periodico di una delle più celebri università al mondo, lo definì “il mestiere più sexy del Ventunesimo secolo”. Ma perché stupirsi? Se è vero che i dati rappresentano il petrolio del terzo millennio, è altrettanto vero che il Data Scientist, professionista in grado di scavare nei big data grezzi per estrarne pepite d’oro, sarà il lavoro protagonista del terzo millennio. Ecco otto domande e risposte per saperne di più sulla professione del futuro.
1. Chi è il data scientist?
E’ un professionista di business intelligence che si occupa dell’analisi dei dati. E’ in grado di unire conoscenze tecniche e intuizioni per elaborare big data e database aziendali, scoprendo nuove tendenze o rispondendo a domande complesse. Fornisce informazioni preziose ai top manager per le loro decisioni sulla strategia aziendale.
2. Perché è così importante?
Oggi su internet, nei social network, sui motori di ricerca o nelle app vengono raccolte montagne di dati grezzi che rappresentano informazioni molto preziose su tendenze e preferenze dei consumatori. Questa massa enorme di informazioni va però “pulita”, validata e aggregata prima di poter essere analizzata. E per analizzarla vanno costruiti algoritmi in grado di estrarre ed elaborare i dati più rilevanti per il nostro prodotto o servizio. Al centro di questi processi ci sono i vari professionisti di Analytics, proprio per questo richiestissimi dal mondo del lavoro non solo per le loro competenze tecniche, ma anche per le doti di problem solving, intuizione e creatività.
3. Quali sono le altre figure professionali simili?
C’è il Data Engineer, che deve garantire la disponibilità e fruibilità dei dati: spesso per esempio crea algoritmi per consentire agli utenti finali di poter accedere ai big data nel migliore dei modi. C’è il Data Analyst, figura simile al Data Scientist ma meno sofisticata, alla quale per esempio non si chiedono competenze specifiche nel machine learning (ossia i meccanismi che permettono a un “macchina intelligente” di apprendere da sola migliorando le sue prestazioni) o nella costruzione di modelli statistici. Il Data Visualization Expert, infine, si occupa della trasformazioni dei big data in grafici interattivi, di facile e intuitiva lettura da parte di manager e decision maker.
4. Quanto vale il mercato dell’analisi di big data in Italia?
Secondo l’Osservatorio del Politecnico di Milano, nel 2019 il mercato Analytics ha raggiunto un valore di 1,7 miliardi di euro (+23% rispetto all’anno precedente). Nel 2015 valeva meno della metà, 790 milioni di euro, e da allora è cresciuto in media del 21,3% annuo. I maggiori investimenti nel settore Analytics italiano sono relativi a software (47% del totale) e a sistemi infrastrutturali (20%). A spendere di più sono banche (28% del totale), seguite da industria (24%), telecomunicazioni e media (14%), grande distribuzione e retail (8%), assicurazioni (6%), utility (6%), Pubblica Amministrazione e sanità (5%).
Fonte: Osservatorio Big Data Analytics & Business Intelligence della School Management del Politecnico di Milano
5. In Italia quanto sono richieste dal mercato del lavoro le figure professionali legate ai big data?
Vanno a ruba. Sempre secondo il report dell’Osservatorio del Politecnico di Milano, nel nostro Paese la figura professionale più diffusa è il Data Analyst, già presente nel 76% delle grandi aziende: nel solo 2019 ne sono stati assunti il 20% in più rispetto all’anno precedente. Sono molto ricercati anche i Data Visualization Expert (presenti nel 21% delle grandi imprese, +12% di crescita), i Data Engineer (già nell’organico del 51% delle aziende, +9% l’aumento) e i Data Scientist (inseriti nel 49% delle grandi imprese, +3% rispetto al 2018). Il picco di richieste per i Data Scientist si è registrato nel 2017, ma da allora tutte le imprese dotate di queste figure ne hanno aumentato il numero, in un caso su tre addirittura raddoppiandolo.
6. Quali sono gli stipendi in Italia e all’estero?
Negli Stati Uniti i Data Scientist sono pagati molto bene: secondo Glassdoor, lo stipendio lordo d’ingresso si aggira su una stratosferica media di oltre 113mila dollari lordi, anche se è richiesto un buon grado di specializzazione. Gli alti salari si spiegano con il fatto che negli Stati Uniti, ma in generale dappertutto, l’offerta non tiene il passo della domanda, come conferma uno studio di Indeed, il motore di ricerca per trovare lavoro. In Europa secondo un report di O’Reilly lo stipendio medio si aggira sui 55mila euro lordi, con punte di 117mila euro in Svizzera e 96mila euro in Norvegia, mentre in Italia si resta su una media di 30-35mila euro annui.
7. Come si diventa “professionisti dei dati”?
Fino a pochi anni fa per questi profili non esistevano percorsi universitari ad hoc: i primi Data Scientist di norma possedevano comunque una laurea in ingegneria, informatica, matematica o statistica. Molto importante è la conoscenza di linguaggi di programmazione come R e Phython, oltre a software di visualizzazione e a un continuo aggiornamento professionale, dal momento che il settore è in costante evoluzione.
8. Quali le università italiane che offrono un percorso di studi ad hoc?
Da qualche anno sono attivi alcuni corsi di Data Science, quasi tutti per la laurea specialistica: ne esistono per esempio in diversi atenei di Milano (Statale, Politecnico, Bocconi e Bicocca), a Torino, a Bologna, a Pisa, ma anche a Padova, a Trento, a Bolzano, a Roma (Sapienza e Tor Vergata) e a Cagliari. La maggior parte di questi master sono in inglese . Per maggiori informazioni, ecco una guida a tutti i corsi di laurea attivati in Italia nell’anno accademico 2019/20.